带你认识步态识别&行人重识别

本篇文章2674字，读完约7分钟

在人工智能时代，越来越多的生物特征可以被提取和识别。目前，人脸识别、指纹识别和声纹识别在市场上得到广泛应用，而阈值相对较高的虹膜识别、手掌静脉识别和步态识别技术在着陆应用中很难找到。

疫情爆发后，人脸识别和指纹识别等广泛使用的技术被封锁。

例如，人脸识别技术只提取面部特征信息，当戴上面具，或者光线较暗，拍摄角度不好，帽子被遮挡时，人脸识别技术很难发挥作用。

因此，出现了一些技术来弥补人脸识别技术的不足，如步态识别技术和行人识别里德技术，这两种技术都可以在一定程度上弥补人脸识别的不足。

步态识别技术和行人识别里德技术实际上是两种不同的技术，但是不了解它们的人很容易混淆它们。接下来，我们将从几个方面分析和理解它们之间的差异，以及它们在登陆应用场景中的优势。

他们的概念是不同的

▎什么是步态识别？

它通过体形和行走姿势来分析人的身份，其物理基础是每个人不同的生理结构:身高、头型、腿骨、翼展、肌肉、重心、神经敏感度等。

在日常生活中，如果一个熟悉的身影出现在远处，即使你看不清自己的脸或穿上从未见过的衣服，你仍然可以凭借对他的熟悉认出他。这实际上是人类视觉的步态识别。

步态识别是一种生物特征识别技术，是对人体全身特征的识别，具有远距离、跨视角和不受控制的优点。

起初，每个人都知道这项技术源于一部电影《碟中谍5》，这部电影在当时非常科幻。随后，科研机构也对此进行了研究，但多年来，这一技术仍停留在实验阶段，技术概念还不仅限于地面应用。

cps中安。com从许多企业那里了解到这项技术的进展和应用，但出乎意料的是，收到的答复要么不再涉及，要么仍处于概念阶段，没有实际的技术突破。

只有大华股份有限公司和银河水地公开表示，他们在步态识别技术领域取得了新的突破。大华在2019年深圳世博会上发布的七大“黑色技术”中，有一项与步态识别相关的技术——跨摄像机跟踪技术:利用目标检测和步态识别技术，实现多个摄像机之间对目标物体的视频接力跟踪。

但是，大华并没有在这项技术的现场应用上投入太多的精力，所以目前，银河水滴已经成为市场上唯一一家以步态识别技术为核心技术的人工智能企业，并且已经在地面得到了应用。▎什么是行人识别？

人员再识别，也称为行人再识别，是一种使用计算机视觉技术来判断图像或视频序列中是否存在特定行人的技术。

在多摄像头设备网络下搜索行人，利用步态运动和身体特征等更全面的信息来识别人，无论是单独使用还是与人脸识别结合使用，都可以发挥更大的应用价值。

特别是当摄像头无法捕捉到清晰的人脸时，行人识别技术就起着非常重要的作用，人们只有通过看行人的着装、姿势和发型才能“认出”来。

reid还有另外一个名字，叫做“交叉镜像跟踪”,它可以连续跟踪无法看清人脸的行人，从不同摄像机拍摄的图像或视频中找出同一个人，并增强数据的时间空连续性。

目前，几乎所有涉及人工智能业务的企业，如大华、时宇、迪法恩斯、上唐、易图、从云、阿里、田芸李飞等，都拥有这项技术，市场成熟度很高。

步态识别提取的特征点不同

。一方面，提取静态的内部特征，如身高、头型、腿骨、关节、肌肉等生理结构，这些特征相对稳定，在较长时间内不会发生很大变化；

第二个方面是提取人的动态特征，如行走姿势、手臂摆动、摇头耸肩、运动神经敏感度等。这些动态特征与身体属性密不可分，并且在很长一段时间内相对稳定。然而，提取和处理这些动态特征更加困难。

行人识别依靠行人的整体姿态进行检索，主要提取静态的外部特征，如衣服、背包、发型、雨伞等。，并通过分析行人的服装和姿势来识别人。

然而，这些静态的外部特征很容易改变，例如改变整体外观、改变衣服、发型、帽子、鞋子，甚至伪装姿势、体形等。，所以此时行人识别的作用相对有限。

算法模型训练与众不同

银河水滴技术总监张曼博士在中安警校“安全微课”中详细介绍了步态识别技术的技术原理和算法训练。

步态识别技术，首先利用摄像头采集人行走过程中的数据，然后进行数据检测和分割，也就是将人形区域与背景区域分开。

然后对行人在整个行走过程中的每一帧进行步态分割，形成整个行走周期，然后提取并表达步态特征，最后与步态数据库中的数据进行比较和识别。

行人动态信息很多，每个环节实际上都是一个非常困难的问题。例如，在数据采集阶段，如何获取数据以及如何建立步态识别数据库；获取数据后如何划分前景和背景，如何使其更加准确；在特征表达阶段，如何解决跨视觉识别等问题。

Galaxy Water Drops开发了一个大规模的步态识别系统，涵盖了软件“步态识别互联系统4.0”和硬件“小规模搜索步态识别集成机”和“大规模搜索-步态捕获箱&阵列”，将海量视频数据连接到步态识别系统，利用抓拍箱和抓拍阵列等硬件处理，对原始视频进行立体结构化处理。

包括超精密目标分割在内的一些核心算法可以达到与人眼相同的精度；还有极快的目标检测和跨视角识别精度，已经在世界上排名第一。

此外，步态识别技术需要一个接近实际场景的庞大步态数据库。银河水滴参与并创建了一个开放和自主的步态数据库。目前，它还与公安系统和司法系统共同推进数据库建设计划，将犯罪嫌疑人的步态数据大规模收集到数据库中。

在行人识别方面，易图科技最近在这一领域取得了新的突破。因此，本文以易图技术的算法水平为参照进行阐述。

在行人识别技术领域，rank-1准确率和meanaverageprecision (map)被公认为衡量行业算法水平的核心指标。

在三个公认的数据集market1501、dukemmc-reid和cuhk03的Reid上，衡量算法性能的两个关键指标“rank-1accuracy”和“meanaverageprecision”的六个数据都根据图表得到了改进，创造了新的世界记录。

第一名的高命中率意味着该算法能够在众多图像中准确地找到易于识别或匹配的图像，并且不能反映模型的真实能力，特别是对于复杂场景的表现；

平均地图精度值越高，系统的实用性越强，既能全面、准确地进行检查，又能更好地处理多次遮挡、光线暗淡和图像模糊的情况。

因此，在评价行人识别算法的性能时，应结合地图值，以反映系统的综合检索性能。

根据图技术对reid算法框架进行了深度优化，提高了算法效率。通过与automl等前沿技术相结合，进一步实现了模型参数的自动搜索和迭代，突破了传统算法开发过程中依赖于算法研究人员的手工设计和优化，在降低人工成本的同时，使算法的泛化性能更强。

他们面临着不同的挑战

步态识别具有非接触、远距离、不易伪装等优点。然而，在着陆应用中，步态识别需要随机采集大量的时间序列步态数据进行模型学习，建立步态数据库，然后根据步态数据提供系统解决方案。

早期建立数据库收集数据时，步态识别的正面识别率较低，易受性别、步长、节奏和速度的干扰。同时，摄像机角度、天气条件、障碍物、附属物、崎岖的道路，甚至衣物照明都会影响精确度；很难获得年龄、性别和其他信息，也不是普遍的。例如，残疾人不适合步态识别技术。

在商业着陆过程中，大多数监控场景比较复杂，可能会有多个运动物体，行人图像容易受到天气、光线等外部因素的影响。

以运动目标在阳光下的阴影为例，它可能与被检测目标相连或分离。如果是前者，阴影会扭曲目标的形状，使得基于轮廓的步态识别方法不可靠；在后一种情况下，阴影可能会被误认为场景中的错误目标。

因此，实际场景中的步态检测面临着巨大的挑战。

为了应对这些挑战，银河水滴推出了一系列产品和解决方案:智能集成步态检索机“水滴神”、步态识别、检索和跟踪系统“水滴眼”、步态捕捉盒、步态人脸捕捉机、watrixbox等。

实际步态数据库采用三种不同模式建立:

自动步态人脸数据库(武汉模式):采集对象:具有人脸信息的逃犯/关键人员

步态采集系统(上海模式):采集对象:未破案件视频库(重庆模式):采集对象:没有人脸信息的逃犯/关键人员

同时，解决方案中集成了reid、足迹识别、人脸识别、电子围栏、视频结构化等多种技术

这些产品和解决方案使银河水滴的步态识别技术能够应用于警察局、看守所、监狱、公安刑事案件等领域，为人脸识别提供了很好的补充。

行人再识别需要同时使用不同监控下的单个人体的大量图像信息进行模型学习。用于监控场景中较短时间内的行人识别，准确率高，算法速度可达毫秒级。

在真实场景中，reid算法需要跨不同成像质量的时间段、场景和图像采集设备执行高精度和快速的识别，但是这些摄像机的覆盖区域彼此不重叠，导致缺乏连贯的信息。

此外，在不同的图片中，人物的姿势、行为和外貌会发生很大的变化，不同场景的光照、背景和障碍物在不同的时间会有所不同。在背景中，其他有相似尺寸和衣服的角色经常会干扰；相机的分辨率也有高有低，人物在画面中的位置又远又远，这对里德的技术提出了挑战。

广泛用于人们脸上的对齐技术也由于行人的姿势变化而失败。行人数据采集远比人脸识别数据采集困难，行人信息远比人脸复杂。这两个因素叠加在一起，使得里德算法的研究更加困难和重要。

通过有效地设计算法和减少对数据的依赖，在reid效应方面取得突破，这已成为业界的共识。这不仅对算法提出了更高的要求，也要求更高效的芯片提供强大的计算能力支持。两者的缺失都会影响行人识别的实际应用价值。

2017年投资云人工智能芯片questCore & # 8482；(搜索)研发，2019年5月，“发布是商业的。”questcore & # 8482它是世界上第一个云视觉人工智能芯片，提供强大的计算能力，单个摄像头的功耗不到1w。

在行人再识别的实际应用中，R&D人员根据地图进一步优化了算法，依靠自主研发的ai芯片根据地图，在仅穿着和姿态特征的情况下，行人再识别技术可以在2017年至2018年达到人脸识别的准确率。

在智能城市领域，reid技术可以快速筛选可疑人员，并通过轨迹恢复功能进一步锁定出行区域，从而实现准确的预防和打击。

应用于智能公园和智能交通，reid可以向四面八方描述陌生人等可疑人物，有效确保公园的安全；

在大型公共场所，如超市和公园等人群拥挤的地方，里德可以帮助快速找到意外迷路的儿童和老人；

在地铁站和机场等交通枢纽地区，reid技术可以快速识别人脸、局部动作和姿势，大大提高人员通过检查的速度。

在智能交通领域，reid帮助建立道路、车辆和驾驶员之间的快速智能通信，形成人、车、路的完整闭环，准确感知交通路口各个方向的车辆数量、流量和密度，为交警决策提供准确依据；

在无人驾驶领域，reid可以有效感知车辆、行人、障碍物、道路、交通灯和交通标志，构建真正的智能交通系统，给人们带来更安全、更便捷的出行体验。

结论:

在数据时代，在人工智能技术实现视频监控后，可以通过快速计算和准确识别，全面、自动、关联、跨系统和跨区域地查看视频图像。

无论是人脸识别、虹膜识别、指纹识别和步态识别等生物特征识别技术，还是图像检索中的行人再识别技术，都是通过计算机视觉或机器学习发展到现在的，它们各有所长，互为补充。

虽然步态识别和行人再识别有很多不同之处，但是当人脸识别失败时，它们可以在互补识别中发挥重要作用。

此外，当这些识别技术在实践中应用时，如果它们想发挥更大的效率，就需要相互融合和学习，不能完全分离或独立。

我相信在不久的将来，各种识别技术将会相互结合，能够满足市场上越来越多的场景应用的需求。